典型文献
考虑大气颗粒物对辐照度影响的光伏功率预测
文献摘要：
太阳辐射强度受大气颗粒物浓度影响显著,对光伏发电功率预测准确度的影响不容忽视.为提高太阳辐射强度以及光伏发电功率预测准确度,通过K-means算法对大颗粒物浓度以及相对湿度历史数据进行聚类,基于聚类数据利用径向基神经网络分别建立大气气溶胶光学厚度预测模型;在预测的大气气溶胶光学厚度基础上,结合双波段太阳辐射大气传输模型与倾斜面辐射模型,预测光伏电池板面接收到的太阳辐射强度;最后利用气温和预测光伏电池板面接收到的太阳辐射强度,结合光电转换模型实现光伏发电功率预测.通过实验验证,预测模型平均误差为6.07％,考虑大气颗粒物浓度对太阳辐射强度影响的光伏发电功率预测模型具有较高准确度.
文献关键词：
大气颗粒物;太阳辐射强度;K-means算法;RBF神经网络;光伏发电功率预测
中图分类号：
作者姓名：
白青飞;林永君;杨凯;李静
作者机构：
华北电力大学新能源电力系统国家重点实验室,河北保定071003
文献出处：
引用格式：
[1]白青飞;林永君;杨凯;李静-.考虑大气颗粒物对辐照度影响的光伏功率预测)[J].中国测试,2022(08):117-123
A类：
B类：
大气颗粒物,辐照度,光伏功率预测,太阳辐射强度,颗粒物浓度,光伏发电功率预测,预测准确度,means,大颗粒,相对湿度,历史数据,聚类数,数据利用,径向基神经网络,大气气溶胶,气溶胶光学厚度,厚度预测,双波段,大气传输,传输模型,倾斜面,辐射模型,测光,光伏电池板,板面,光电转换,转换模型,模型实现,模型平均,平均误差,强度影响,功率预测模型,高准确度,RBF
AB值：
0.22933
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
